一種用于目標(biāo)跟蹤的模板特征選擇方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種視覺跟蹤技術(shù)，尤其涉及目標(biāo)跟蹤中模板特征點(diǎn)的光流場分析、 運(yùn)動場分析及概率密度分布分析，屬于圖像處理與模式識別領(lǐng)域。
【背景技術(shù)】
[0002] 模板跟蹤是圖像處理與模式識別領(lǐng)域重要的組成部分，被廣泛應(yīng)用于智能監(jiān)控， 人機(jī)交互以及無人平臺導(dǎo)航等各種系統(tǒng)的視覺跟蹤模塊中。其基本過程可以描述為:在沒 有任何先驗(yàn)知識的情況下，用矩形窗口在第一幀圖像中選定某個(gè)物體（即模板），然后在后 續(xù)視頻序列中對該物體進(jìn)行跟蹤。
[0003] 目前，研究者已經(jīng)對模板跟蹤算法進(jìn)行了大量的研究，其中基于模板特征匹配的 LK光流法是最重要的技術(shù)手段之一。其技術(shù)流程是:首先對目標(biāo)模板進(jìn)行特征提取，獲得模 板內(nèi)的特征點(diǎn)；然后利用LK光流法在下一幀圖像中對各特征點(diǎn)進(jìn)行跟蹤，獲得各特征點(diǎn)的 匹配特征點(diǎn)，由此形成匹配特征點(diǎn)對;最后通過兩幀圖像之間匹配特征點(diǎn)（匹配特征點(diǎn)對） 的運(yùn)動場求得兩幀圖像之間的幾何變換關(guān)系，并最終獲得該幀圖像中目標(biāo)的位置和大小， 完成一個(gè)跟蹤周期。不斷重復(fù)上述跟蹤周期即可在整個(gè)視頻序列中的實(shí)現(xiàn)目標(biāo)跟蹤。該技 術(shù)手段的假設(shè)是：雖然模板內(nèi)各特征點(diǎn)通過LK光流法被獨(dú)立跟蹤匹配，但是作為被追蹤目 標(biāo)的一部分，模板內(nèi)所有特征點(diǎn)遵循運(yùn)動一致性。
[0004] 然而，現(xiàn)有的基于特征匹配的模板跟蹤方法的缺點(diǎn)是：隨著跟蹤周期的不斷進(jìn)行， 模板容易發(fā)生漂移，并最終導(dǎo)致目標(biāo)丟失。其主要原因在于，雖然模板內(nèi)大部分區(qū)域被跟蹤 目標(biāo)所覆蓋，但背景像素不可避免的被引入，進(jìn)而背景圖像中的像素點(diǎn)及背景與目標(biāo)輪廓 的交點(diǎn)也往往被提取為特征點(diǎn)，并被LK光流法跟蹤。因此，所獲得的兩幀圖像之間匹配的特 征點(diǎn)對中存在非目標(biāo)特征點(diǎn)對。但是這些非目標(biāo)特征點(diǎn)并不屬于目標(biāo)的一部分，不符合運(yùn) 動一致性假設(shè)，因此對幾何變換的求解造成干擾，對下一幀中模板尺寸和位置的估計(jì)造成 偏差。隨著跟蹤周期的不斷重復(fù)，模板內(nèi)的非目標(biāo)特征點(diǎn)不斷被引入，模板偏差不斷積累， 并最終造成模板的漂移。

【發(fā)明內(nèi)容】

[0005] 為解決目標(biāo)跟蹤過程中由于非目標(biāo)特征點(diǎn)被引入而造成的模板漂移問題，本發(fā)明 提出一種用于目標(biāo)跟蹤的模板特征選擇方法，通過對兩幀圖像之間的匹配特征點(diǎn)對形成的 光流場進(jìn)行基于方向分布的概率密度分析，剔除模板中的非目標(biāo)特征點(diǎn)，從而遏制目標(biāo)跟 蹤過程中的模板漂移。
[0006] 該方法的具體步驟為：
[0007] 步驟一、計(jì)算模板內(nèi)原始匹配特征點(diǎn)對的光流矢量
[0008] 設(shè)模板內(nèi)有N個(gè)原始匹配特征點(diǎn)對，根據(jù)LK光流法跟蹤原始匹配特征點(diǎn)，對于第n+ 1幀圖像內(nèi)的特征點(diǎn)Ρη+1 =滅+1丨卸+1 = Of+1 yf+1),〖=1,2,···，}和第η幀圖像中對應(yīng) 的特征點(diǎn)儼== 1,2,·_·,Λ〇,按照下述公式⑴計(jì)算模板內(nèi)每個(gè)原始 匹配特征點(diǎn)對的光流矢量di(n|n+l)，l < i <N:
[0009]
Cl)
[0010] 其中，η為圖像幀; Pi1和pf+1分別為在第η幀圖像In和第n+1幀圖像In+1中對應(yīng)的 第i個(gè)特征點(diǎn)，（xf yf)和(xf+1 #+1)分別為特征點(diǎn)P?和特征點(diǎn)PF+1在圖像坐標(biāo)系中的坐 標(biāo)；
[0011] 步驟二、采用極坐標(biāo)表示模板內(nèi)原始匹配點(diǎn)對的光流矢量
[0012] 依據(jù)下述公式(2)
[0013]
[00?4]得到各原始匹配特征點(diǎn)對的光流矢量的極坐標(biāo)表示(Pi (η I n+1)，Θi (η I n+1));其中 Pi(n |n+l)為光流矢量di(n|n+l)的長度，0i(n|n+l)為光流矢量di(n |n+l)的方向角；
[0015] 步驟三、在極坐標(biāo)空間內(nèi)對光流矢量進(jìn)行概率密度統(tǒng)計(jì)，獲得光流矢量在每個(gè)區(qū) 間的概率密度，并由此生成角度分布直方圖；所述角度分布直方圖的單位寬度為△ Θ，高度 為Fb(j)，其中：ΛΘ為將光流矢量的極坐標(biāo)空間等分為J個(gè)區(qū)間后，每個(gè)區(qū)間的寬度;F b(j)光 流矢量在第j個(gè)區(qū)間的概率密度，j = 1，2，…，J;
[0016] 步驟四、對角度分布直方圖進(jìn)行中值濾波，滿足中值濾波條件的區(qū)間內(nèi)的光流矢 量的特征點(diǎn)為所跟蹤的目標(biāo)特征點(diǎn)，予以保留；不滿足值濾波條件的區(qū)間內(nèi)的光流矢量的 特征點(diǎn)為非目標(biāo)特征點(diǎn)，從模板中刪除。
[0017] 有益效果：
[0018] 根據(jù)目標(biāo)特征點(diǎn)運(yùn)動一致性假設(shè)，通過對模板內(nèi)原始匹配特征點(diǎn)對的光流場進(jìn)行 方向分布密度分析，剔除模板內(nèi)原始匹配特征點(diǎn)對中非目標(biāo)點(diǎn)（即背景特征點(diǎn)和背景與目 標(biāo)交界特征點(diǎn)），從而有效抑制目標(biāo)跟蹤過程中模板漂移的問題，大大提高目標(biāo)跟蹤算法的 準(zhǔn)確性。
【附圖說明】
[0019] 圖1為所述的用于目標(biāo)跟蹤的模板特征選擇方法的流程圖；
[0020] 圖2為原始匹配特征點(diǎn)光流矢量圖；
[0021 ]圖3為特征點(diǎn)光流矢量的極坐標(biāo)圖；
[0022] 圖4為特征點(diǎn)光流矢量的角度分布直方圖；
[0023] 圖5為目標(biāo)匹配特征點(diǎn)及其光流矢量圖。
【具體實(shí)施方式】
[0024]下面結(jié)合附圖和實(shí)施例，對本發(fā)明作進(jìn)一步的詳細(xì)說明。
[0025]本實(shí)施例提供一種用于目標(biāo)跟蹤的模板特征選擇方法，用于解決目標(biāo)跟蹤過程中 由于非目標(biāo)特征點(diǎn)被引入而造成的模板漂移的問題。
[0026]該方法的整體流程如圖1所示：
[0027]步驟一、計(jì)算模板內(nèi)原始匹配特征點(diǎn)對的光流矢量，獲得光流場D(n|n+1);
[0028] 設(shè)模板內(nèi)原始匹配特征點(diǎn)對的個(gè)數(shù)為N，根據(jù)LK光流法跟蹤到的原始匹配特征點(diǎn)， 對第n+1幀圖像In+1內(nèi)的特征點(diǎn)儼+1 = {p;i + 1 |pf + 1 = (x;i + 1 >f-Ο,? = 1,2,…,Λ/}和第η幀 圖像Ιη中對應(yīng)的特征點(diǎn)，=(ρ;?ρΓ = ΟΓ >f),i = U,…,i￥}，按照下述公式（1)計(jì)算模 板內(nèi)每個(gè)原始匹配特征點(diǎn)對的光流矢量di(n|n+l)，l < i <N:
[0029] di(n|n + 1) = (χ?+1 - xf, yf+1-yf), 1<I<N .(1).
[0030] 其中，n為圖像幀號；時(shí)和pf+1分別為在第n幀圖像In和第n+1幀圖像In+i中對應(yīng)的 第i個(gè)特征點(diǎn)，(Xn yf)和(χΓ+1 y:f+1)分別為特征點(diǎn)pf和特征點(diǎn)pf+1在圖像坐標(biāo)系中的坐 標(biāo);N為模板內(nèi)原始匹配特征點(diǎn)的總對數(shù)。